load("data/RData/all.RData")
load("data/RData/hama.RData")
library(tidyverse)
library(summarytools)
library(mapview)

ホットスポット

上位25%以上の密集地帯・ホットスポットです。

map6<-map5 %>% 
  mutate(hotspot=if_else(exp2>=5.8,1,0)) %>% 
  filter(hotspot==1)
sfa<-intersec %>% 
  select(geometry,total) %>% 
  mutate(hot=if_else(total>=27,1,0)) %>% 
  filter(hot==1)

mp<-mapview::mapview(sfa,
                     zcol="hot",
                     col.regions = c("orange"),
                     map.types =c("Esri.WorldImagery","OpenStreetMap"))

mapview::mapview(x=map6,
                 zcol="hotspot",
                 col.regions = "red",
                 color="transparent",
                 map.types =c("OpenStreetMap","Esri.WorldImagery"))+
  (mp)

現17-20歳の分布

mapview::mapview(x=map5,
                 zcol="exp2",
                 color="transparent")

現12-16歳の分布(小地域)

mapview::mapview(x=map5,
                 zcol="exp1",
                 color="transparent")

現高校生の分布（メッシュ）

mapview::mapview(x=hamamesh3,
                   zcol="total",
                   color="transparent")

モチベーション

  • 今月初めに総務省統計局から基礎地区データの開示

  • 基礎地区とは？

  • >基本単位区データは、国勢調査結果の集計上の最小地域単位で、街区もしくは街区に準じた小地域からなるデータです。小地域ごとに、人口総数、男女別世帯数、世帯総数が収録されています。（総務省）

  • また、一つ大きいレイヤーのデータの小地域単位データ（〇〇区XX町△△丁目までのデータ）で層別の人口が分かる

  • やりたいこと:小地域単位データの15-19歳人口数を基本単位区の人口に勾配し、地域の潜在的な受験生人数を把握する

  • しかし

  • 基本単位区データは老人ホームや療養所？等も人口として捉えてしまう

コード

isogo<-sf::read_sf(dsn="data/hama/r2kb14107.shp")
kanazawa<-sf::read_sf(dsn="data/hama/r2kb14108.shp")
mesh1<-sf::read_sf(dsn="data/hamamesh/MESH05238.shp")
mesh2<- sf::read_sf(dsn="data/hamamesh/MESH05239.shp")
mesh3<-sf::read_sf(dsn="data/hamamesh/MESH05338.shp")
mesh4<-sf::read_sf(dsn="data/hamamesh/MESH05339.shp")

layer <- read_csv("data/hama/layer.csv", 
                  locale = locale(encoding = "SHIFT-JIS"))

layer2<-layer %>% 
  filter(CITYNAME == "横浜市磯子区"|CITYNAME=="横浜市金沢区") %>% 
  mutate(jinko=as.numeric(T001082001),
         juku1=as.numeric(juku1),
         juku2=as.numeric(juku2),
         juku1m=as.numeric(juku1m),
         juku2m=as.numeric(juku2m),
         juku1w=as.numeric(juku1w),
         juku2w=as.numeric(juku2w)) %>% 
  select(KEY_CODE ,CITYNAME,NAME,jinko,juku1,juku2,juku1m,juku2m,juku1w,juku2w) %>%
  mutate(per1=juku1/jinko,
         per2=juku2/jinko)

area<-bind_rows(isogo,kanazawa)

area2<-area %>% 
  mutate(persetai=JINKO/SETAI) %>% 
  select(KEY_CODE,CITY_NAME,S_NAME,AREA,JINKO,SETAI,geometry,PERIMETER)

area3<-left_join(area2,layer2,by=c("S_NAME"="NAME"))

area4 <- area3 %>% 
  mutate(exp1=JINKO*per1,
         exp2=JINKO*per2) %>% 
  mutate(scale1=scale(exp1),
         kiken=JINKO/(SETAI+1),
         lnkiken=log(kiken+1))


m<-area4 %>% 
  filter(KEY_CODE.x==1410804964)


area5 <- area4 %>% 
  mutate(real=if_else(lnkiken>=2,0,as.numeric(JINKO)))


area5 <- area5 %>% 
  select(KEY_CODE.x,real,S_NAME) %>% 
  as.tibble()

area6<-area5 %>% 
  select(S_NAME,real) %>% 
  group_by(S_NAME) %>% 
  summarise(pop=sum(real,na.rm=T))

m<-left_join(area4,area6,by="S_NAME")

m<-m %>% 
  mutate(k=pop-jinko) %>% 
  mutate(p=if_else(lnkiken>=2,0,as.numeric(JINKO)),
         per1=if_else(k<=500 & k>=-500,juku1/pop,juku1/jinko),
         per2=if_else(k<=500 & k>=-500,juku2/pop,juku2/jinko),
         exp1=p*per1,
         exp2=p*per2)
m2<-m %>% 
  select(geometry,exp1,exp2,S_NAME,KEY_CODE.x,p,per1,per2,PERIMETER,AREA,JINKO,SETAI,pop,jinko,juku1,juku2,k,CITY_NAME) 

m3<-m2 %>% 
  mutate(scale1=scale(m2$exp1),
         scale2=scale(m2$exp2),
         dens1=exp1/AREA,
         dens2=exp2/AREA)

m4<-bind_cols(m3,scale(m2$exp2))

map4<-bind_cols(m4,scale(m4$dens2))

map5<-map4 %>% 
  mutate(meter=as.vector(scale(exp2/PERIMETER)))

isogomap<-map5 %>% 
  filter(CITY_NAME=="横浜市磯子区")

mapview::mapview(x=map5,
                 zcol="meter",
                 color="transparent")+
  mapview::mapview(x=map5,
                   zcol="exp2",
                   color="transparent")
  
#Mesh data

mesh<-bind_rows(mesh2,mesh4)
mesh<-mesh %>% 
  select(KEY_CODE,geometry) %>% 
  mutate(KEY_CODE=as.numeric(KEY_CODE))

uppercens <- read_csv("data/hamamesh/uppercens.csv", 
                      locale = locale(encoding = "SHIFT-JIS"), 
                      na = "NA")
lowercens <- read_csv("data/hamamesh/lowercens.csv", 
                      locale = locale(encoding = "SHIFT-JIS"), 
                      na = "NA")
uppercom <- read_csv("data/hamamesh/uppercom.csv", 
                      locale = locale(encoding = "SHIFT-JIS"), 
                      na = "NA")

lowercom <- read_csv("data/hamamesh/lowercom.csv", 
                      locale = locale(encoding = "SHIFT-JIS"), 
                      na = "NA")


uppercom<-uppercom[-1,]
lowercom<-lowercom[-1,]

commute<-bind_rows(uppercom,lowercom)

commute2<-commute %>% 
  select(KEY_CODE,T001109040,T001109041,T001109042) %>% 
  mutate(total=as.numeric(T001109040),
         male=as.numeric(T001109041),
         female=as.numeric(T001109042))

hamamesh<-left_join(mesh,commute2,by="KEY_CODE")

hamamesh2<-na.omit(hamamesh)

mapview::mapview(x=intersec,
                 zcol="total",
                 color="transparent")

hamacent<-sf::st_centroid(x=hamamesh2)

mesh_fukuoka_0500_cent <- sf::st_centroid(x=mesh_fukuoka_0500) 
  #重心と小地域ポリゴンの共通部分を取る

intersec<-sf::st_intersection(x=hamacent,y=areaz) #!!!!!!


  #小地域ポリゴンの属性がついた重心のみ残す
  
st_crs(hamacent)
  

areaz<-sf::st_transform(area,crs=sf::st_crs(32654))
hamacent<-sf::st_transform(hamacent,crs=sf::st_crs(32654))
hamamesh2<-sf::st_transform(hamamesh2,crs=sf::st_crs(32654))

hamamesh3<-hamamesh %>% 
  filter(KEY_CODE%in%intersec$KEY_CODE)

save.image(file="hama.RData")


rus<-sf::read_sf(dsn="data/RUS_adm/RUS_adm3.shp")
kuril<-rus %>% 
  filter(ID_1==60)

intersec$totalsc

intersec$totalsc<-as.vector(scale(intersec$total))

mapview::mapview(x=map5,
                 zcol="exp2",
                 color="transparent")+
  mapview::mapview(x=hamamesh3,
                 zcol="lntotal",
                 color="transparent")

hamamesh3$lntotal<-log(hamamesh3$total+1)

pie(c(2 %% 2, 6), col = c('red', 'yellow'), labels = NA)

elem<-sf::read_sf(dsn="data/school/小学校通学区域.shp")